Поле цифровой дидактики - Вклад [ru]

Участник:Alina Der

2026-06-10T12:01:39Z

Alina Der:

{{UserMGPU
|Field_of_knowledge=
|Position=Бакалавриат
|Profile=
|PedDirection=Нет
|Working_On=Teacher Satisfaction эконометрика
}}
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]

Teacher Satisfaction эконометрика

2026-06-10T11:58:51Z

Alina Der:

= Удовлетворённость учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction (model)]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Агенты (учителя) выбирают работу по зарплате, качеству школы и расстоянию; их удовлетворённость (0–1) определяет текучесть кадров. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные в открытом доступе на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть и неравенство.

=== Цель работы ===

Количественно оценить с помощью регрессионного анализа, как различные факторы (базовая зарплата, радиус мобильности учителей, разброс качества между школами) влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Увеличение базовой зарплаты (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).

'''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров ===

'''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).

'''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости ===

'''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).

'''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.

== Модель удовлетворённости учителей (NetLogo) ==

<netlogo model="TeacherSatisfaction" />

Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:

* '''Удовлетворённость''' (0–1) — зависит от зарплаты, качества школы и расстояния до работы.
* '''Мобильность''' — радиус, в котором учитель готов искать работу.
* '''Статус''' — работает в школе или безработный.

Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.

**Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных
* '''Анализ данных:''' Microsoft Excel (пакет анализа, инструмент «Регрессия»)
* '''Визуализация:''' Точечные диаграммы с линиями тренда (Excel)
* '''Данные:''' готовые CSV-датасеты из открытого репозитория

<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;">

'''Теоретический базис — закон Парето и теория рынка труда'''

В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).

</div>

=== Собираемые данные для анализа ===

Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:

{| class="wikitable"
! Файл !! Ссылка !! Переменные
|-
| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др.
|-
| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др.
|-
| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др.
|}

== Метод анализа ==

Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β · X + ε'''

где:
* Y — зависимая переменная
* X — независимая переменная
* β — коэффициент регрессии (направление и сила связи)
* α — свободный член
* ε — случайная ошибка

Для каждой модели оценивались:
* '''Коэффициент β''' — знак и величина влияния X на Y
* '''R-квадрат''' — доля дисперсии Y, объяснённая X
* '''P-значение''' (Значимость F) — статистическая значимость модели (порог α = 0,05)

== Результаты эконометрического анализа ==

=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) ===

'''Спецификация модели:'''
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при Base_Salary || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод по H1:''' Гипотеза '''не подтверждается'''. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.

=== Результат 2: Гипотеза H2 (мобильность → текучесть) ===

'''Спецификация модели:'''
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный)
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Мобил_гр.jpg|600px]]

'''Вывод по H2:''' Гипотеза '''не подтверждается''' на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.

=== Результат 3: Гипотеза H3 (качество школ → неравенство) ===

'''Спецификация модели:'''
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (вариативность качества школ)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный)
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График зависимости:'''

[[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод по H3:''' Гипотеза '''подтверждается''' (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался '''отрицательным''': увеличение вариативности качества школ приводит к '''снижению''' неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.

'''Интерпретация отрицательного коэффициента:'''

Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.

== Общий вывод по всем гипотезам ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

'''Заключение:'''

В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является '''качество школы''': увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

[[Категория:Работы по эконометрике]]

Teacher Satisfaction

2026-06-10T11:57:51Z

Alina Der:

= Teacher Satisfaction: эконометрический анализ рынка труда учителей =

== Аннотация ==

В проекте исследуется модель Teacher Satisfaction — агентно-ориентированная симуляция рынка труда преподавателей. Учителя-агенты выбирают работу на основе зарплаты, качества школы и расстояния. Удовлетворённость учителя (от 0 до 1) определяет, останется ли он на месте или уволится. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть кадров и неравенство в удовлетворённости.

=== Цель работы ===

С помощью регрессионного анализа количественно оценить, как базовая зарплата, радиус мобильности учителей и разброс качества между школами влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).

'''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров ===

'''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).

'''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости ===

'''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).

'''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.

== Модель Teacher Satisfaction (NetLogo) ==

<netlogo model="TeacherSatisfaction" />

Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:

* '''Удовлетворённость''' (0–1) — зависит от зарплаты, качества школы и расстояния до работы
* '''Мобильность''' — радиус, в котором учитель готов искать работу
* '''Статус''' — работает в школе или безработный

Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.

'''Важно для нашего исследования:''' сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных
* '''Анализ данных:''' Microsoft Excel (пакет анализа, инструмент «Регрессия»)
* '''Визуализация:''' Точечные диаграммы с линиями тренда (Excel)
* '''Данные:''' готовые CSV-датасеты из открытого репозитория

<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;">

'''Теоретический базис — закон Парето и теория рынка труда'''

В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).

</div>

=== Собираемые данные для анализа ===

Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:

{| class="wikitable"
! Файл !! Ссылка !! Переменные
|-
| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др.
|-
| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др.
|-
| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др.
|}

== Метод анализа ==

Анализ данных проводился в Microsoft Excel с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β·X + ε'''

где:
* Y — зависимая переменная
* X — независимая переменная
* β — коэффициент регрессии (направление и сила связи)
* α — свободный член
* ε — случайная ошибка

Для каждой модели оценивались:
* '''Коэффициент β''' — знак и величина влияния X на Y
* '''R-квадрат''' — доля дисперсии Y, объяснённая X
* '''P-значение''' (Значимость F) — статистическая значимость модели (порог α = 0,05)

== Результаты эконометрического анализа ==

=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) ===

'''Спецификация модели:'''
* Y = mean-satisfaction-all (средняя удовлетворённость)
* X = Base_Salary (базовая зарплата)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при Base_Salary || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод по H1:''' Гипотеза не подтверждается. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.

=== Результат 2: Гипотеза H2 (мобильность → текучесть) ===

'''Спецификация модели:'''
* Y = teacher-turnover-rate (текучесть кадров)
* X = academic-mobility-radius (радиус мобильности)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный)
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Мобил_гр.jpg|600px]]

'''Вывод по H2:''' Гипотеза не подтверждается на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.

=== Результат 3: Гипотеза H3 (качество школ → неравенство) ===

'''Спецификация модели:'''
* Y = satisfaction-inequality (неравенство удовлетворённости)
* X = Sch_Quality_Variation (вариативность качества школ)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный)
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График зависимости:'''

[[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод по H3:''' Гипотеза подтверждается (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался отрицательным: увеличение вариативности качества школ приводит к снижению неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.

'''Интерпретация отрицательного коэффициента:'''

Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.

== Общий вывод по всем гипотезам ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

'''Заключение:'''

В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является качество школы: увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

[[Категория:Работы по эконометрике]]

Удовлетворённость учителей исследование

2026-06-10T11:54:48Z

Alina Der:

= Исследование удовлетворённости учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте анализируется модель Teacher Satisfaction — агентная симуляция рынка труда учителей. В этой модели учителя выбирают школу на основе трёх критериев: зарплата, качество школы и расстояние до работы. Если учитель недоволен, он увольняется и ищет другое место. Саму модель мы не запускали, а использовали готовые датасеты, выложенные авторами на GitHub. Наша задача — с помощью регрессионного анализа проверить три гипотезы о том, какие факторы на самом деле влияют на удовлетворённость учителей и текучесть кадров.

=== Цель работы ===

Выявить, какие из трёх факторов (зарплата, мобильность учителей, разброс качества между школами) статистически значимо влияют на удовлетворённость учителей и текучесть кадров в рамках модели Teacher Satisfaction.

== Описание модели Teacher Satisfaction ==

Модель Teacher Satisfaction реализована в среде NetLogo. Это агентно-ориентированная симуляция, которая моделирует поведение учителей на рынке труда.

'''Основные элементы модели:'''

* '''Учителя (агенты)''' — каждый учитель имеет уровень удовлетворённости (от 0 до 1), радиус мобильности (как далеко он готов ехать до работы) и статус (работает или безработный).
* '''Школы (патчи)''' — каждая школа характеризуется качеством (от 0 до 1) и предлагаемой зарплатой. Школы с высоким качеством привлекают больше учителей.
* '''Рынок труда''' — учителя ищут работу, сравнивая зарплату, качество школы и расстояние от дома. Если учитель находит подходящую школу, он устраивается туда. Если его удовлетворённость падает ниже порогового значения (Satisfaction_threshold), он увольняется и начинает новый поиск.

'''Ключевой механизм модели — стратификация:'''
Хорошие школы (с высоким качеством) привлекают больше учителей, могут выбирать лучших кандидатов и в итоге оказываются полностью укомплектованными довольными учителями (удовлетворённость около 0,9). Плохие школы (с низким качеством) остаются с вакансиями или с неудовлетворёнными учителями (удовлетворённость около 0,2). Это соответствует закону Парето, согласно которому 20% школ получают 80% качественных учителей.

'''Важно для нашего исследования:'''
Саму модель в NetLogo мы не запускали. Мы использовали готовые датасеты, которые авторы модели получили в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих данных, а не на симуляции.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Данные для анализа ==

Для анализа мы взяли готовые датасеты из репозитория авторов модели. Эти файлы содержат результаты многократных прогонов модели при разных комбинациях параметров. Всего мы использовали три файла:

* `TS_Salary.csv` — данные о зарплате и удовлетворённости
* `TS_Mobil_Satisf.csv` — данные о мобильности и текучести
* `TS_S_Quality.csv` — данные о вариативности качества школ и неравенстве удовлетворённости

== Инструменты и метод ==

Для анализа мы использовали Microsoft Excel (пакет анализа, инструмент «Регрессия»). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β·X + ε'''

где Y — зависимая переменная, X — независимая переменная, β — коэффициент регрессии (показывает направление и силу связи), α — свободный член, ε — случайная ошибка.

Для каждой модели мы оценивали три ключевых показателя:
* '''Коэффициент β''' — положительный или отрицательный (направление связи)
* '''R-квадрат''' — доля дисперсии Y, которую объясняет X
* '''P-значение''' — статистическая значимость (если меньше 0.05, связь не случайна)

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата не влияет на среднюю удовлетворённость учителей.

'''H₁:''' Увеличение базовой зарплаты повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть ===

'''H₀:''' Радиус мобильности учителей не влияет на текучесть кадров.

'''H₁:''' Чем больше радиус мобильности (готовность ехать дальше), тем ниже текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние качества школ на неравенство ===

'''H₀:''' Разброс качества между школами не влияет на неравенство удовлетворённости учителей.

'''H₁:''' Чем больше школы различаются по качеству, тем выше неравенство в удовлетворённости учителей.

== Результаты регрессионного анализа ==

=== Результат 1: Влияние зарплаты на удовлетворённость ===

'''Спецификация модели:'''
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при зарплате || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График:''' [[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент практически равен нулю, p-value = 0,57 (намного выше порога 0,05), R-квадрат почти ноль. Это означает, что в данной модели зарплата не влияет на удовлетворённость учителей.

---

=== Результат 2: Влияние мобильности на текучесть ===

'''Спецификация модели:'''
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при мобильности || -0,0000898
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График:''' [[Файл:Мобил_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент отрицательный (это соответствует ожидаемому направлению: чем выше мобильность, тем ниже текучесть), но p-value = 0,173 > 0,05, поэтому результат статистически не значим. R-квадрат очень маленький, что говорит об очень слабой связи.

---

=== Результат 3: Влияние вариативности качества школ на неравенство ===

'''Спецификация модели:'''
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (разброс качества между школами)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при вариативности качества || -0,0867
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График:''' [[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод:''' Гипотеза подтвердилась (связь статистически значима, p < 0,001). Однако коэффициент оказался отрицательным, а не положительным. Это значит, что при увеличении разброса качества между школами неравенство удовлетворённости снижается. R-квадрат = 0,164 — модель объясняет около 16% дисперсии.

'''Почему так получилось:''' Возможное объяснение — учителя из школ с низким качеством увольняются из-за неудовлетворённости и покидают рынок. В итоге в системе остаются в основном те, кто работает в хороших или средних школах, и разрыв в удовлетворённости сокращается.

---

== Сводная таблица результатов ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Статус
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

== Общее заключение ==

Из трёх проверенных факторов только один показал статистически значимое влияние — это вариативность качества школ. Но это влияние оказалось обратным: чем больше школы различаются по качеству, тем ниже неравенство в удовлетворённости. Вероятно, потому что учителя из плохих школ уходят, и остаются только те, кто в целом доволен.

Зарплата и мобильность учителей в данной модели не влияют на удовлетворённость и текучесть. Это может означать, что ключевые механизмы модели завязаны не на этих параметрах, а на чём-то другом — например, на соотношении зарплаты и качества школы, а не на их абсолютных значениях.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel, интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Удовлетворённость учителей исследование

2026-06-10T11:54:35Z

Alina Der:

Перейти на версию для людей с ограниченными возможностями.
<Без темы>
джемма
Сегодня, 14:53
Кому: вам
= Исследование удовлетворённости учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте анализируется модель Teacher Satisfaction — агентная симуляция рынка труда учителей. В этой модели учителя выбирают школу на основе трёх критериев: зарплата, качество школы и расстояние до работы. Если учитель недоволен, он увольняется и ищет другое место. Саму модель мы не запускали, а использовали готовые датасеты, выложенные авторами на GitHub. Наша задача — с помощью регрессионного анализа проверить три гипотезы о том, какие факторы на самом деле влияют на удовлетворённость учителей и текучесть кадров.

=== Цель работы ===

Выявить, какие из трёх факторов (зарплата, мобильность учителей, разброс качества между школами) статистически значимо влияют на удовлетворённость учителей и текучесть кадров в рамках модели Teacher Satisfaction.

== Описание модели Teacher Satisfaction ==

Модель Teacher Satisfaction реализована в среде NetLogo. Это агентно-ориентированная симуляция, которая моделирует поведение учителей на рынке труда.

'''Основные элементы модели:'''

* '''Учителя (агенты)''' — каждый учитель имеет уровень удовлетворённости (от 0 до 1), радиус мобильности (как далеко он готов ехать до работы) и статус (работает или безработный).
* '''Школы (патчи)''' — каждая школа характеризуется качеством (от 0 до 1) и предлагаемой зарплатой. Школы с высоким качеством привлекают больше учителей.
* '''Рынок труда''' — учителя ищут работу, сравнивая зарплату, качество школы и расстояние от дома. Если учитель находит подходящую школу, он устраивается туда. Если его удовлетворённость падает ниже порогового значения (Satisfaction_threshold), он увольняется и начинает новый поиск.

'''Ключевой механизм модели — стратификация:'''
Хорошие школы (с высоким качеством) привлекают больше учителей, могут выбирать лучших кандидатов и в итоге оказываются полностью укомплектованными довольными учителями (удовлетворённость около 0,9). Плохие школы (с низким качеством) остаются с вакансиями или с неудовлетворёнными учителями (удовлетворённость около 0,2). Это соответствует закону Парето, согласно которому 20% школ получают 80% качественных учителей.

'''Важно для нашего исследования:'''
Саму модель в NetLogo мы не запускали. Мы использовали готовые датасеты, которые авторы модели получили в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих данных, а не на симуляции.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Данные для анализа ==

Для анализа мы взяли готовые датасеты из репозитория авторов модели. Эти файлы содержат результаты многократных прогонов модели при разных комбинациях параметров. Всего мы использовали три файла:

* `TS_Salary.csv` — данные о зарплате и удовлетворённости
* `TS_Mobil_Satisf.csv` — данные о мобильности и текучести
* `TS_S_Quality.csv` — данные о вариативности качества школ и неравенстве удовлетворённости

== Инструменты и метод ==

Для анализа мы использовали Microsoft Excel (пакет анализа, инструмент «Регрессия»). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β·X + ε'''

где Y — зависимая переменная, X — независимая переменная, β — коэффициент регрессии (показывает направление и силу связи), α — свободный член, ε — случайная ошибка.

Для каждой модели мы оценивали три ключевых показателя:
* '''Коэффициент β''' — положительный или отрицательный (направление связи)
* '''R-квадрат''' — доля дисперсии Y, которую объясняет X
* '''P-значение''' — статистическая значимость (если меньше 0.05, связь не случайна)

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата не влияет на среднюю удовлетворённость учителей.

'''H₁:''' Увеличение базовой зарплаты повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть ===

'''H₀:''' Радиус мобильности учителей не влияет на текучесть кадров.

'''H₁:''' Чем больше радиус мобильности (готовность ехать дальше), тем ниже текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние качества школ на неравенство ===

'''H₀:''' Разброс качества между школами не влияет на неравенство удовлетворённости учителей.

'''H₁:''' Чем больше школы различаются по качеству, тем выше неравенство в удовлетворённости учителей.

== Результаты регрессионного анализа ==

=== Результат 1: Влияние зарплаты на удовлетворённость ===

'''Спецификация модели:'''
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при зарплате || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График:''' [[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент практически равен нулю, p-value = 0,57 (намного выше порога 0,05), R-квадрат почти ноль. Это означает, что в данной модели зарплата не влияет на удовлетворённость учителей.

---

=== Результат 2: Влияние мобильности на текучесть ===

'''Спецификация модели:'''
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при мобильности || -0,0000898
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График:''' [[Файл:Мобил_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент отрицательный (это соответствует ожидаемому направлению: чем выше мобильность, тем ниже текучесть), но p-value = 0,173 > 0,05, поэтому результат статистически не значим. R-квадрат очень маленький, что говорит об очень слабой связи.

---

=== Результат 3: Влияние вариативности качества школ на неравенство ===

'''Спецификация модели:'''
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (разброс качества между школами)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при вариативности качества || -0,0867
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График:''' [[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод:''' Гипотеза подтвердилась (связь статистически значима, p < 0,001). Однако коэффициент оказался отрицательным, а не положительным. Это значит, что при увеличении разброса качества между школами неравенство удовлетворённости снижается. R-квадрат = 0,164 — модель объясняет около 16% дисперсии.

'''Почему так получилось:''' Возможное объяснение — учителя из школ с низким качеством увольняются из-за неудовлетворённости и покидают рынок. В итоге в системе остаются в основном те, кто работает в хороших или средних школах, и разрыв в удовлетворённости сокращается.

---

== Сводная таблица результатов ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Статус
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

== Общее заключение ==

Из трёх проверенных факторов только один показал статистически значимое влияние — это вариативность качества школ. Но это влияние оказалось обратным: чем больше школы различаются по качеству, тем ниже неравенство в удовлетворённости. Вероятно, потому что учителя из плохих школ уходят, и остаются только те, кто в целом доволен.

Зарплата и мобильность учителей в данной модели не влияют на удовлетворённость и текучесть. Это может означать, что ключевые механизмы модели завязаны не на этих параметрах, а на чём-то другом — например, на соотношении зарплаты и качества школы, а не на их абсолютных значениях.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel, интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Teacher Satisfaction

2026-06-10T11:51:28Z

Alina Der:

= Teacher Satisfaction: эконометрический анализ рынка труда учителей =

== Аннотация ==

В проекте исследуется модель Teacher Satisfaction — агентно-ориентированная симуляция рынка труда преподавателей. Учителя-агенты выбирают работу на основе зарплаты, качества школы и расстояния. Удовлетворённость учителя (от 0 до 1) определяет, останется ли он на месте или уволится. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть кадров и неравенство в удовлетворённости.

=== Цель работы ===

С помощью регрессионного анализа количественно оценить, как базовая зарплата, радиус мобильности учителей и разброс качества между школами влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).

'''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров ===

'''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).

'''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости ===

'''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).

'''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.

== Модель Teacher Satisfaction (NetLogo) ==

<netlogo model="TeacherSatisfaction" />

Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:

* '''Удовлетворённость''' (0–1) — зависит от зарплаты, качества школы и расстояния до работы
* '''Мобильность''' — радиус, в котором учитель готов искать работу
* '''Статус''' — работает в школе или безработный

Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.

'''Важно для нашего исследования:''' сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных
* '''Анализ данных:''' Microsoft Excel (пакет анализа, инструмент «Регрессия»)
* '''Визуализация:''' Точечные диаграммы с линиями тренда (Excel)
* '''Данные:''' готовые CSV-датасеты из открытого репозитория

<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;">

'''Теоретический базис — закон Парето и теория рынка труда'''

В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).

</div>

=== Собираемые данные для анализа ===

Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:

{| class="wikitable"
! Файл !! Ссылка !! Переменные
|-
| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др.
|-
| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др.
|-
| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др.
|}

== Метод анализа ==

Анализ данных проводился в Microsoft Excel с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β·X + ε'''

где:
* Y — зависимая переменная
* X — независимая переменная
* β — коэффициент регрессии (направление и сила связи)
* α — свободный член
* ε — случайная ошибка

Для каждой модели оценивались:
* '''Коэффициент β''' — знак и величина влияния X на Y
* '''R-квадрат''' — доля дисперсии Y, объяснённая X
* '''P-значение''' (Значимость F) — статистическая значимость модели (порог α = 0,05)

== Результаты эконометрического анализа ==

=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) ===

'''Спецификация модели:'''
* Y = mean-satisfaction-all (средняя удовлетворённость)
* X = Base_Salary (базовая зарплата)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при Base_Salary || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод по H1:''' Гипотеза не подтверждается. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.

---

=== Результат 2: Гипотеза H2 (мобильность → текучесть) ===

'''Спецификация модели:'''
* Y = teacher-turnover-rate (текучесть кадров)
* X = academic-mobility-radius (радиус мобильности)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный)
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Мобил_гр.jpg|600px]]

'''Вывод по H2:''' Гипотеза не подтверждается на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.

---

=== Результат 3: Гипотеза H3 (качество школ → неравенство) ===

'''Спецификация модели:'''
* Y = satisfaction-inequality (неравенство удовлетворённости)
* X = Sch_Quality_Variation (вариативность качества школ)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный)
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График зависимости:'''

[[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод по H3:''' Гипотеза подтверждается (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался отрицательным: увеличение вариативности качества школ приводит к снижению неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.

'''Интерпретация отрицательного коэффициента:'''

Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.

---

== Общий вывод по всем гипотезам ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

'''Заключение:'''

В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является качество школы: увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Файл:Кач шк гр.jpg

2026-06-10T11:45:14Z

Alina Der:

Удовлетворённость учителей исследование

2026-06-10T11:40:44Z

Alina Der:

= Исследование удовлетворённости учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте анализируется модель Teacher Satisfaction — агентная симуляция рынка труда учителей. В этой модели учителя выбирают школу на основе трёх критериев: зарплата, качество школы и расстояние до работы. Если учитель недоволен, он увольняется и ищет другое место. Саму модель мы не запускали, а использовали готовые датасеты, выложенные авторами на GitHub. Наша задача — с помощью регрессионного анализа проверить три гипотезы о том, какие факторы на самом деле влияют на удовлетворённость учителей и текучесть кадров.

=== Цель работы ===

Выявить, какие из трёх факторов (зарплата, мобильность учителей, разброс качества между школами) статистически значимо влияют на удовлетворённость учителей и текучесть кадров в рамках модели Teacher Satisfaction.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата не влияет на среднюю удовлетворённость учителей.

'''H₁:''' Увеличение базовой зарплаты повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть ===

'''H₀:''' Радиус мобильности учителей не влияет на текучесть кадров.

'''H₁:''' Чем больше радиус мобильности (готовность ехать дальше), тем ниже текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние качества школ на неравенство ===

'''H₀:''' Разброс качества между школами не влияет на неравенство удовлетворённости учителей.

'''H₁:''' Чем больше школы различаются по качеству, тем выше неравенство в удовлетворённости учителей.

== Модель и данные ==

Модель Teacher Satisfaction реализована в среде NetLogo. Она симулирует поведение учителей и школ: учителя ищут работу, ориентируясь на зарплату, качество и расстояние; школы нанимают учителей. Если удовлетворённость учителя падает ниже порогового значения, он увольняется.

Для анализа мы не запускали модель самостоятельно, а взяли готовые датасеты из репозитория авторов. Эти файлы содержат результаты многократных прогонов модели при разных комбинациях параметров. Всего мы использовали три файла:

* `TS_Salary.csv` — данные о зарплате и удовлетворённости
* `TS_Mobil_Satisf.csv` — данные о мобильности и текучести
* `TS_S_Quality.csv` — данные о вариативности качества школ и неравенстве удовлетворённости

== Инструменты и метод ==

Для анализа мы использовали Microsoft Excel (пакет анализа, инструмент «Регрессия»). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β·X + ε'''

где Y — зависимая переменная, X — независимая переменная, β — коэффициент регрессии (показывает направление и силу связи), α — свободный член, ε — случайная ошибка.

Для каждой модели мы оценивали три ключевых показателя:
* '''Коэффициент β''' — положительный или отрицательный (направление связи)
* '''R-квадрат''' — доля дисперсии Y, которую объясняет X
* '''P-значение''' — статистическая значимость (если меньше 0.05, связь не случайна)

== Результаты регрессионного анализа ==

=== Результат 1: Влияние зарплаты на удовлетворённость ===

'''Спецификация модели:'''
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при зарплате || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График:'''
[[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент практически равен нулю, p-value = 0,57 (намного выше порога 0,05), R-квадрат почти ноль. Это означает, что в данной модели зарплата не влияет на удовлетворённость учителей.

---

=== Результат 2: Влияние мобильности на текучесть ===

'''Спецификация модели:'''
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при мобильности || -0,0000898
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График:'''
[[Файл:Мобил_гр.jpg|600px]]

'''Вывод:''' Гипотеза не подтвердилась. Коэффициент отрицательный (это соответствует ожидаемому направлению: чем выше мобильность, тем ниже текучесть), но p-value = 0,173 > 0,05, поэтому результат статистически не значим. R-квадрат очень маленький, что говорит об очень слабой связи.

---

=== Результат 3: Влияние вариативности качества школ на неравенство ===

'''Спецификация модели:'''
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (разброс качества между школами)

'''Результаты регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при вариативности качества || -0,0867
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График:'''
[[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод:''' Гипотеза подтвердилась (связь статистически значима, p < 0,001). Однако коэффициент оказался отрицательным, а не положительным. Это значит, что при увеличении разброса качества между школами неравенство удовлетворённости снижается. R-квадрат = 0,164 — модель объясняет около 16% дисперсии.

'''Почему так получилось:''' Возможное объяснение — учителя из школ с низким качеством увольняются из-за неудовлетворённости и покидают рынок. В итоге в системе остаются в основном те, кто работает в хороших или средних школах, и разрыв в удовлетворённости сокращается.

---

== Сводная таблица результатов ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Статус
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

== Общее заключение ==

Из трёх проверенных факторов только один показал статистически значимое влияние — это вариативность качества школ. Но это влияние оказалось обратным: чем больше школы различаются по качеству, тем ниже неравенство в удовлетворённости. Вероятно, потому что учителя из плохих школ уходят, и остаются только те, кто в целом доволен.

Зарплата и мобильность учителей в данной модели не влияют на удовлетворённость и текучесть. Это может означать, что ключевые механизмы модели завязаны не на этих параметрах, а на чём-то другом — например, на соотношении зарплаты и качества школы, а не на их абсолютных значениях.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel, интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Удовлетворённость учителей исследование

2026-06-10T11:37:34Z

Alina Der:

= Исследование удовлетворённости учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте анализируется модель Teacher Satisfaction — агентная симуляция рынка труда учителей. В этой модели учителя выбирают школу на основе трёх критериев: зарплата, качество школы и расстояние до работы. Если учитель недоволен, он увольняется и ищет другое место. Саму модель мы не запускали, а использовали готовые датасеты, выложенные авторами на GitHub. Наша задача — с помощью регрессионного анализа проверить три гипотезы о том, какие факторы на самом деле влияют на удовлетворённость учителей и текучесть кадров.

=== Цель работы ===

Выявить, какие из трёх факторов (зарплата, мобильность учителей, разброс качества между школами) статистически значимо влияют на удовлетворённость учителей и текучесть кадров в рамках модели Teacher Satisfaction.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Базовая зарплата не влияет на среднюю удовлетворённость учителей.

'''H₁:''' Увеличение базовой зарплаты повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть ===

'''H₀:''' Радиус мобильности учителей не влияет на текучесть кадров.

'''H₁:''' Чем больше радиус мобильности (готовность ехать дальше), тем ниже текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние качества школ на неравенство ===

'''H₀:''' Разброс качества между школами не влияет на неравенство удовлетворённости учителей.

'''H₁:''' Чем больше школы различаются по качеству, тем выше неравенство в удовлетворённости учителей.

== Модель и данные ==

Модель Teacher Satisfaction реализована в среде NetLogo. Она симулирует поведение учителей и школ: учителя ищут работу, ориентируясь на зарплату, качество и расстояние; школы нанимают учителей. Если удовлетворённость учителя падает ниже порогового значения, он увольняется.

Для анализа мы не запускали модель самостоятельно, а взяли готовые датасеты из репозитория авторов. Эти файлы содержат результаты многократных прогонов модели при разных комбинациях параметров. Всего мы использовали три файла:

* `TS_Salary.csv` — данные о зарплате и удовлетворённости
* `TS_Mobil_Satisf.csv` — данные о мобильности и текучести
* `TS_S_Quality.csv` — данные о вариативности качества школ и неравенстве удовлетворённости

== Инструменты и метод ==

Для анализа мы использовали Microsoft Excel (пакет анализа, инструмент «Регрессия»). Для каждой гипотезы была построена парная линейная регрессия вида:

**Y = α + β·X + ε**

где Y — зависимая переменная, X — независимая переменная, β — коэффициент регрессии (показывает направление и силу связи), α — свободный член, ε — случайная ошибка.

Для каждой модели мы оценивали три ключевых показателя:
* **Коэффициент β** — положительный или отрицательный (направление связи)
* **R-квадрат** — доля дисперсии Y, которую объясняет X
* **P-значение** — статистическая значимость (если меньше 0.05, связь не случайна)

== Результаты регрессионного анализа ==

=== Результат 1: Влияние зарплаты на удовлетворённость ===

**Спецификация модели:**
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

**Результаты регрессии:**

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при зарплате || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

**График:** [[Файл:Зп_на_удвл_гр.jpg|600px]]

**Вывод:** Гипотеза не подтвердилась. Коэффициент практически равен нулю, p-value = 0,57 (намного выше порога 0,05), R-квадрат почти ноль. Это означает, что в данной модели зарплата не влияет на удовлетворённость учителей.

---

=== Результат 2: Влияние мобильности на текучесть ===

**Спецификация модели:**
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

**Результаты регрессии:**

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при мобильности || -0,0000898
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

**График:** [[Файл:Мобил_гр.jpg|600px]]

**Вывод:** Гипотеза не подтвердилась. Коэффициент отрицательный (это соответствует ожидаемому направлению: чем выше мобильность, тем ниже текучесть), но p-value = 0,173 > 0,05, поэтому результат статистически не значим. R-квадрат очень маленький, что говорит об очень слабой связи.

---

=== Результат 3: Влияние вариативности качества школ на неравенство ===

**Спецификация модели:**
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (разброс качества между школами)

**Результаты регрессии:**

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при вариативности качества || -0,0867
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

**График:** [[Файл:Кач_шк_гр.jpg|600px]]

**Вывод:** Гипотеза подтвердилась (связь статистически значима, p < 0,001). Однако коэффициент оказался отрицательным, а не положительным. Это значит, что при увеличении разброса качества между школами неравенство удовлетворённости снижается. R-квадрат = 0,164 — модель объясняет около 16% дисперсии.

**Почему так получилось:** Возможное объяснение — учителя из школ с низким качеством увольняются из-за неудовлетворённости и покидают рынок. В итоге в системе остаются в основном те, кто работает в хороших или средних школах, и разрыв в удовлетворённости сокращается.

---

## Сводная таблица результатов

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Статус
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

## Общее заключение

Из трёх проверенных факторов только один показал статистически значимое влияние — это вариативность качества школ. Но это влияние оказалось обратным: чем больше школы различаются по качеству, тем ниже неравенство в удовлетворённости. Вероятно, потому что учителя из плохих школ уходят, и остаются только те, кто в целом доволен.

Зарплата и мобильность учителей в данной модели не влияют на удовлетворённость и текучесть. Это может означать, что ключевые механизмы модели завязаны не на этих параметрах, а на чём-то другом — например, на соотношении зарплаты и качества школы, а не на их абсолютных значениях.

## Участники и распределение ролей

* **Гловели Джемма** — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel, интерпретация коэффициентов
* **Горынин Леонид** — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков
* **Дериволкова Алина** — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

## Ссылки

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

[[Категория:Работы по эконометрике]]

Teacher Satisfaction эконометрика

2026-06-10T11:34:40Z

Alina Der:

= Удовлетворённость учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]]
| ?Description
| default = Модель удовлетворённости учителей — агентно-ориентированная симуляция рынка труда преподавателей. Учителя выбирают работу по зарплате, качеству школы и расстоянию, их удовлетворённость (0-1) определяет текучесть кадров. Модель показывает стратификацию: хорошие школы заполнены (satisfaction 0.9), плохие пустеют (satisfaction 0.2).
}}

== Аннотация ==

В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Агенты (учителя) выбирают работу по зарплате, качеству школы и расстоянию; их удовлетворённость (0–1) определяет текучесть кадров. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные в открытом доступе на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть и неравенство.

=== Цель работы ===

Количественно оценить с помощью регрессионного анализа, как различные факторы (базовая зарплата, радиус мобильности учителей, разброс качества между школами) влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

'''H₀:''' Увеличение базовой зарплаты (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).

'''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров ===

'''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).

'''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости ===

'''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).

'''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.

== Модель удовлетворённости учителей (NetLogo) ==

<netlogo model="TeacherSatisfaction" />

Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:

* '''Удовлетворённость''' (0–1) — зависит от зарплаты, качества школы и расстояния до работы.
* '''Мобильность''' — радиус, в котором учитель готов искать работу.
* '''Статус''' — работает в школе или безработный.

Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.

**Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали уже готовые датасеты, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на эконометрическом анализе этих готовых данных.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Инструменты и параметры модели ==

=== Инструменты ===

* '''Моделирование:''' NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных
* '''Анализ данных:''' Microsoft Excel (пакет анализа, инструмент «Регрессия»)
* '''Визуализация:''' Точечные диаграммы с линиями тренда (Excel)
* '''Данные:''' готовые CSV-датасеты из открытого репозитория

<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;">

'''Теоретический базис — закон Парето и теория рынка труда'''

В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются с неудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).

</div>

=== Собираемые данные для анализа ===

Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:

{| class="wikitable"
! Файл !! Ссылка !! Переменные
|-
| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др.
|-
| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др.
|-
| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др.
|}

== Метод анализа ==

Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:

'''Y = α + β · X + ε'''

где:
* Y — зависимая переменная
* X — независимая переменная
* β — коэффициент регрессии (направление и сила связи)
* α — свободный член
* ε — случайная ошибка

Для каждой модели оценивались:
* '''Коэффициент β''' — знак и величина влияния X на Y
* '''R-квадрат''' — доля дисперсии Y, объяснённая X
* '''P-значение''' (Значимость F) — статистическая значимость модели (порог α = 0,05)

== Результаты эконометрического анализа ==

=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) ===

'''Спецификация модели:'''
* Y = `mean-satisfaction-all` (средняя удовлетворённость)
* X = `Base_Salary` (базовая зарплата)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,000256
|-
| Коэффициент при Base_Salary || 0,000000457
|-
| P-значение (Значимость F) || 0,5715
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Зп_на_удвл_гр.jpg|600px]]

'''Вывод по H1:''' Гипотеза '''не подтверждается'''. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.

---

=== Результат 2: Гипотеза H2 (мобильность → текучесть) ===

'''Спецификация модели:'''
* Y = `teacher-turnover-rate` (текучесть кадров)
* X = `academic-mobility-radius` (радиус мобильности)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,00149
|-
| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный)
|-
| P-значение (Значимость F) || 0,1727
|-
| Количество наблюдений || 1249
|}

'''График зависимости:'''

[[Файл:Мобил_гр.jpg|600px]]

'''Вывод по H2:''' Гипотеза '''не подтверждается''' на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.

---

=== Результат 3: Гипотеза H3 (качество школ → неравенство) ===

'''Спецификация модели:'''
* Y = `satisfaction-inequality` (неравенство удовлетворённости)
* X = `Sch_Quality_Variation` (вариативность качества школ)

'''Таблица результатов регрессии:'''

{| class="wikitable"
! Показатель !! Значение
|-
| R-квадрат || 0,1637
|-
| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный)
|-
| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)
|-
| Количество наблюдений || 999
|}

'''График зависимости:'''

[[Файл:Кач_шк_гр.jpg|600px]]

'''Вывод по H3:''' Гипотеза '''подтверждается''' (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался '''отрицательным''': увеличение вариативности качества школ приводит к '''снижению''' неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.

'''Интерпретация отрицательного коэффициента:'''

Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.

---

== Общий вывод по всем гипотезам ==

{| class="wikitable"
! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт
|-
| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена
|-
| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена
|-
| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)
|}

'''Заключение:'''

В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является '''качество школы''': увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов
* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта
* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]
* [[Социально-экономическая статистика и эконометрика (syllabus)]]
* [[Teacher Satisfaction (model)]] — описание агентной модели
* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/
* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Teacher Satisfaction эконометрика

2026-06-10T11:22:43Z

Alina Der: Новая страница: «= Удовлетворённость учителей (Teacher Satisfaction) = {{#ask: Teacher Satisfaction | ?Description }} == Аннотация == В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе об...»

= Удовлетворённость учителей (Teacher Satisfaction) =

{{#ask: [[Teacher Satisfaction]] | ?Description }}

== Аннотация ==

В данном проекте исследуется модель удовлетворённости учителей (Teacher Satisfaction) — агентно-ориентированная симуляция рынка труда преподавателей в городской системе образования. Агенты (учителя) выбирают работу по зарплате, качеству школы и расстоянию; их удовлетворённость (0–1) определяет текучесть кадров. Для анализа использованы готовые датасеты, полученные авторами модели в среде NetLogo (BehaviorSpace) и выложенные в открытом доступе на GitHub. Проведён эконометрический анализ влияния трёх факторов (зарплата, мобильность учителей, вариативность качества школ) на удовлетворённость, текучесть и неравенство.

=== Цель работы ===

Количественно оценить с помощью регрессионного анализа, как различные факторы (базовая зарплата, радиус мобильности учителей, разброс качества между школами) влияют на среднюю удовлетворённость учителей, уровень текучести кадров и неравенство в удовлетворённости в системе образования.

== Рабочие гипотезы ==

=== Гипотеза 1 (Дериволкова Алина) — Влияние зарплаты на удовлетворённость ===

* '''H₀:''' Увеличение базовой зарплаты (Base_Salary) не оказывает значимого влияния на среднюю удовлетворённость учителей (mean-satisfaction-all).

* '''H₁:''' Увеличение базовой зарплаты статистически значимо повышает среднюю удовлетворённость учителей.

=== Гипотеза 2 (Горынин Леонид) — Влияние мобильности на текучесть кадров ===

* '''H₀:''' Радиус мобильности учителей (academic-mobility-radius) не влияет на уровень текучести кадров (teacher-turnover-rate).

* '''H₁:''' Увеличение радиуса мобильности (готовность ехать дальше) статистически значимо снижает текучесть кадров.

=== Гипотеза 3 (Гловели Джемма) — Влияние вариативности качества школ на неравенство удовлетворённости ===

* '''H₀:''' Разброс в качестве школ (Sch_Quality_Variation) не влияет на неравенство удовлетворённости учителей (satisfaction-inequality).

* '''H₁:''' Увеличение разброса качества между школами статистически значимо усиливает неравенство в удовлетворённости.

== Модель удовлетворённости учителей (NetLogo) ==

<netlogo model="TeacherSatisfaction" />

Модель Teacher Satisfaction реализована в среде NetLogo. Она представляет собой агентно-ориентированную симуляцию рынка труда учителей. Каждый учитель-агент обладает следующими характеристиками:

* **Удовлетворённость** (0–1) — зависит от зарплаты, качества школы и расстояния до работы.

* **Мобильность** — радиус, в котором учитель готов искать работу.

* **Статус** — работает в школе или безработный.

Школы различаются по качеству (0–1) и предлагаемой зарплате. Если удовлетворённость учителя падает ниже заданного порога (Satisfaction_threshold), он увольняется и ищет новое место. Модель демонстрирует эффект стратификации: хорошие школы заполняются довольными учителями, плохие остаются с вакансиями или неудовлетворённым персоналом.

**Важно для нашего исследования:** сама модель не запускалась нами. Мы использовали **уже готовые датасеты**, полученные авторами модели в результате экспериментов в среде BehaviorSpace (многократные прогоны модели при разных значениях параметров). Наша работа сосредоточена на **эконометрическом анализе** этих готовых данных.

Полное описание модели доступно на странице [[Teacher Satisfaction (model)]].

== Инструменты и параметры модели ==

=== Инструменты ===

* **Моделирование:** NetLogo (модель Teacher Satisfaction) — использована только для генерации исходных данных

* **Анализ данных:** Microsoft Excel (пакет анализа, инструмент «Регрессия»)

* **Визуализация:** Точечные диаграммы с линиями тренда (Excel)

* **Данные:** готовые CSV-датасеты из открытого репозитория

<div style="border: 1px solid #bdc3c7; border-radius: 6px; padding: 18px; background-color: #ffffff; margin-top: 10px; margin-bottom: 20px; border-left: 5px solid #3498db;">

'''Теоретический базис — закон Парето и теория рынка труда'''

В модели реализуется механизм стратификации учителей: хорошие школы заполняются лучшими кадрами, плохие школы остаются снеудовлетворёнными учителями, что соответствует закону Парето (20% школ получают 80% качественных учителей).

</div>

=== Собираемые данные для анализа ===

Для анализа использованы готовые датасеты, выложенные авторами модели на GitHub:

{| class="wikitable"

! Файл !! Ссылка !! Переменные

|-

| TS_Salary.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Salary.csv || Base_Salary, mean-satisfaction-all и др.

|-

| TS_Mobil_Satisf.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_Mobil_Satisf.csv || academic-mobility-radius, teacher-turnover-rate и др.

|-

| TS_S_Quality.csv || https://raw.githubusercontent.com/patarakin/stat-data/refs/heads/main/datasets/csv/TS_S_Quality.csv || Sch_Quality_Variation, satisfaction-inequality и др.

|}

== Метод анализа ==

Анализ данных проводился в **Microsoft Excel** с использованием инструмента «Регрессия» (пакет анализа). Для каждой гипотезы была построена парная линейная регрессия вида:

**Y = α + β · X + ε**

где:

* Y — зависимая переменная

* X — независимая переменная

* β — коэффициент регрессии (направление и сила связи)

* α — свободный член

* ε — случайная ошибка

Для каждой модели оценивались:

* **Коэффициент β** — знак и величина влияния X на Y

* **R-квадрат** — доля дисперсии Y, объяснённая X

* **P-значение** (Значимость F) — статистическая значимость модели (порог α = 0,05)

== Результаты эконометрического анализа ==

=== Результат 1: Гипотеза H1 (зарплата → удовлетворённость) ===

**Спецификация модели:**

* Y = `mean-satisfaction-all` (средняя удовлетворённость)

* X = `Base_Salary` (базовая зарплата)

**Таблица результатов регрессии:**

{| class="wikitable"

! Показатель !! Значение

|-

| R-квадрат || 0,000256

|-

| Коэффициент при Base_Salary || 0,000000457

|-

| P-значение (Значимость F) || 0,5715

|-

| Количество наблюдений || 1249

|}

**График зависимости:**

[[Файл:Зп_на_удвл_гр.jpg|600px]]

**Вывод по H1:** Гипотеза **не подтверждается**. Коэффициент при зарплате близок к нулю, p-value = 0,57 > 0,05, R² ≈ 0. В данной модели зарплата не оказывает статистически значимого влияния на удовлетворённость учителей.

---

=== Результат 2: Гипотеза H2 (мобильность → текучесть) ===

**Спецификация модели:**

* Y = `teacher-turnover-rate` (текучесть кадров)

* X = `academic-mobility-radius` (радиус мобильности)

**Таблица результатов регрессии:**

{| class="wikitable"

! Показатель !! Значение

|-

| R-квадрат || 0,00149

|-

| Коэффициент при academic-mobility-radius || -0,0000898 (отрицательный)

|-

| P-значение (Значимость F) || 0,1727

|-

| Количество наблюдений || 1249

|}

**График зависимости:**

[[Файл:Мобил_гр.jpg|600px]]

**Вывод по H2:** Гипотеза **не подтверждается** на уровне значимости 0,05. Хотя коэффициент отрицательный (что соответствует ожидаемому направлению связи: рост мобильности → снижение текучести), p-value = 0,173 > 0,05, поэтому результат не может считаться статистически значимым. R² = 0,0015 указывает на очень слабую связь.

---

=== Результат 3: Гипотеза H3 (качество школ → неравенство) ===

**Спецификация модели:**

* Y = `satisfaction-inequality` (неравенство удовлетворённости)

* X = `Sch_Quality_Variation` (вариативность качества школ)

**Таблица результатов регрессии:**

{| class="wikitable"

! Показатель !! Значение

|-

| R-квадрат || 0,1637

|-

| Коэффициент при Sch_Quality_Variation || -0,0867 (отрицательный)

|-

| P-значение (Значимость F) || 1,24 × 10⁻⁴⁰ (< 0,001)

|-

| Количество наблюдений || 999

|}

**График зависимости:**

[[Файл:Кач_шк_гр.jpg|600px]]

**Вывод по H3:** Гипотеза **подтверждается** (связь статистически значима, p < 0,001). Однако, вопреки ожиданиям, коэффициент оказался **отрицательным**: увеличение вариативности качества школ приводит к **снижению** неравенства удовлетворённости. R² = 0,164 означает, что модель объясняет около 16% дисперсии зависимой переменной.

**Интерпретация отрицательного коэффициента:**

Возможное объяснение — учителя из низкокачественных школ увольняются из-за низкой удовлетворённости и покидают рынок. В результате в системе остаются только учителя, работающие в комфортных условиях, что снижает общее неравенство удовлетворённости.

---

## Общий вывод по всем гипотезам

{| class="wikitable"

! Гипотеза !! Ожидаемый знак !! Полученный знак !! p-value !! R² !! Вердикт

|-

| H1: зарплата → удовлетворённость || + || ≈0 || 0,57 || 0,000 || не подтверждена

|-

| H2: мобильность → текучесть || – || – || 0,17 || 0,001 || не подтверждена

|-

| H3: качество школ → неравенство || + || – || < 0,001 || 0,164 || подтверждена (обратная связь)

|}

**Заключение:**

В рамках модели Teacher Satisfaction зарплата и мобильность учителей не оказывают статистически значимого влияния на удовлетворённость и текучесть кадров. Ключевым фактором, влияющим на рынок труда учителей, является **качество школы**: увеличение разброса между школами по этому параметру парадоксальным образом снижает неравенство в удовлетворённости, возможно, за счёт ухода недовольных учителей из плохих школ. Для повышения удовлетворённости учителей и снижения текучести необходимо в первую очередь улучшать условия работы в школах, а не только повышать зарплату.

== Участники и распределение ролей ==

* '''Гловели Джемма''' — постановка гипотез, загрузка и подготовка данных, регрессионный анализ в Excel (пакет анализа), интерпретация коэффициентов

* '''Горынин Леонид''' — визуализация результатов: построение точечных диаграмм с линиями тренда для трёх гипотез, подготовка графиков для отчёта

* '''Дериволкова Алина''' — оформление отчёта на вики-странице, форматирование таблиц и графиков, итоговая редакция

== Ссылки ==

* [[Практикум по эконометрике (syllabus)]]

* [[Социально-экономическая статистика и эконометрика (syllabus)]]

* [[Teacher Satisfaction (model)]] — описание агентной модели

* Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/

* Репозиторий с данными: https://github.com/patarakin/stat-data

----

[[Категория:Работы по эконометрике]]

Файл:Мобил гр.jpg

2026-06-10T11:11:51Z

Alina Der:

Файл:Моб регр.png

2026-06-10T11:11:38Z

Alina Der:

Файл:Кач шк регр.png

2026-06-10T11:11:25Z

Alina Der:

Файл:Зп регр.png

2026-06-10T11:10:58Z

Alina Der:

Файл:Зп на удвл гр.jpg

2026-06-10T11:10:47Z

Alina Der:

Участник:Alina Der

2026-02-19T06:50:57Z

Alina Der: Новая страница: «---- Категория:UserMGPU Категория:ЦИБ-241»

----
[[Категория:UserMGPU]]
[[Категория:ЦИБ-241]]